如何简化Pandas代码 不使用for循环删除B、C列同时为空的行

你现有代码已经正确筛选出了所有需要删除的行索引，完全不需要逐行循环执行drop，以下是两种纯Pandas实现的简化方案，全程不依赖numpy：

方案1：最小改动版（复用你现有筛选逻辑） #

df.drop() 原生支持直接传入索引列表批量删除行，不需要遍历索引逐个删除，只需要把你拿到的待删索引集合直接传给drop的index参数即可：

def drop_empty_line(df):
    # 筛选出B、C同时为空的行索引
    drop_index = df[(df["B"].isna()) & (df["C"].isna())].index
    # 批量删除所有符合条件的行
    return df.drop(index=drop_index)

这个方案和你原有逻辑完全一致，改动量最小，避免了逐行drop重复生成新DataFrame的性能开销。

方案2：布尔索引直接筛选保留行（更符合Pandas惯用写法） #

删除逻辑反过来就是保留规则：只要B、C任意一列非空就保留，可以直接用布尔索引筛出符合保留条件的行，不需要调用drop方法，代码更简洁直观：

def drop_empty_line(df):
    # 保留B非空 或者 C非空的行
    return df[(df["B"].notna()) | (df["C"].notna())]

注意：Pandas中做条件组合时，逻辑与&、逻辑或|的优先级高于比较运算符，每个单独的判断条件必须用圆括号包裹，否则会报语法错误。

完整可运行代码 #

import pandas as pnd


def drop_empty_line(df):
    # 两种写法二选一即可
    # 写法1：批量drop
    # drop_index = df[(df["B"].isna()) & (df["C"].isna())].index
    # return df.drop(index=drop_index)
    
    # 写法2：直接筛选保留行
    return df[(df["B"].notna()) | (df["C"].notna())]
    
    
def main():
    df = pnd.DataFrame({
            "A": [5, 0, 4, 6, 5], 
            "B": [pnd.NA, 4, pnd.NA, pnd.NA, 5], 
            "C": [pnd.NA, pnd.NA, 9, pnd.NA, 8], 
            "D": [5, 3, 8, 5, 2], 
            "E": [pnd.NA, 4, 2, 0, 3]
            })
    
    print(drop_empty_line(df))
    
    
if __name__ == '__main__':
    main()

运行后输出的结果和你原有循环写法完全一致，会删除索引为0、3的两行（这两行B、C列均为空值），其余行全部保留。

内容的提问来源于stack exchange，提问作者Jean-baptiste Briois